大数据时代 智能分析技术在公安领域的应用

未来无疑是智能化的时代,海量数据挖掘的时代,一个更加便捷的时代。这一切的前提都依赖于智能算法、数据挖掘技术不断突破和成熟。

随着高清IP摄像机的普及,视频监控系统平台的视频接入和存储也越来越多,如何有效利用这些视频资源,挖掘其潜在价值,是用户当前面临的首要问题。未来无疑是智能化的时代,海量数据挖掘的时代,一个更加便捷的时代。这一切的前提都依赖于智能算法、数据挖掘技术不断突破和成熟。

文/宇视科技首席智能架构师 谭炽烈

传统的视频监控解决了视频的存储和回放,以及各厂商视频流的互联互通,但仍然无法准确识别、定位和查找视频中的人,车,物等目标信息。目前,要实现全方位的实时监控,指挥调度,视频录像中可疑目标的检索查证,还必须依靠大量的工作人员时刻紧盯屏幕,监视所有摄像机的实况视频,以及回放相关视频录像,查找可疑人员,车辆目标和线索。这显然需要耗费大量人力,而且难免也会因为疲劳和疏忽,而错漏掉某些稍纵即逝的重要信息。

因此,围绕公安业务需求的公安实战平台,结合视频图像侦查业务,对监控画面中感兴趣的目标视频进行智能分析,提取可疑的人、车、物等目标信息,生成结构化的语义描述,从而实现特定目标的快速定位、查找和检索。例如,当某现场发生案件,收集案发现场监控视频,及所有联网的公安视频图像、政府建设视频、社会监控视频。对涉案视频进行智能分析,其相关联的视频中人、车目标进行信息提取。并对每个图片和视频进行目标对象可人工标注描述,实现视频、图片与对应人、车、物信息的关联。然后上传到视频信息数据库,作为基础数据资源用于情报信息研判。还可利用GIS地图可视化,结合时空信息,详细刻画可疑目标的活动轨迹,为侦破案件提供重要支持。公安实战平台有效的提升监控视频资源利用,协助快速而准确的研判,提升工作效率。

智能分析技术应用

视频智能分析是利用计算机图像视觉处理、模式识别和机器学习等算法,分析和识别运动目标信息。作为公安实战平台中最为重要的环节,如下几种智能分析需求应用更为迫切。

人脸识别

为了应对公共安全突发事件,比如波士顿马拉松爆炸案,校园枪击案,公安业务部门对人脸识别技术的尤为关注。另一方面,随着图像视觉和机器学习技术的不断进步和产业化,人脸识别效果已逐渐受到公安部门的认可。

公安部门借助人脸卡口IPC摄像机的智能人脸检测技术,在城市道路、广场、娱乐场所及各类重点场所的人员目标的人脸识别,提取包括人的性别、戴眼镜、年龄段等特征信息。从而实现人脸的实时布控、高危人员比对、以图搜图、语义搜索等方面的业务应用。比如,人脸布控业务是通过对场景中视频的进行实时人脸采集和视频分析,并与各种人脸库提供的图片(警综、信综、出入境、人口库、追逃库、犯罪人员库等)进行实时比对。如果发现重点关注人员,将推送到公安实战平台客户端或手机终端。另外公安实战平台与全国人口库、常住人口库、居住证人口库等数据关联,实现城市地铁、机场、酒店的人脸识别系统的联动。结合地图业务应用,可实现轨迹回放、告警、查询的可视化。

另外,事实上,在安防领域的人脸识别处于一种非常复杂的状态的制约。实际监控场所得到的人脸图片质量不高,距离研究领域的图片,例如LFW数据库,还相距甚远。例如,光照,姿态,表情,饰物,遮挡,运动模糊,分辨率等都影响着人脸识别算法的实际应用推广。已有的训练算法,或者说已有的训练数据无法表达出一个具有很强泛化能力的算法模型。

未来人脸识别模型如果需要取得突破,一方面需要更多更丰富的海量的样本数据,如各种光照,姿态,表情下的人脸图像。另一方面,深度学习模型还可以进一步优化和调整。不过到底什么样的模型才算是最优的,目前业界并没有很好的答案。

车辆识别

近年来,随着智能交通的高清卡口相机的广泛建设和应用,借助于智能识别算法和大规模集成电路技术的迅速发展,以及配套设施的工程施工标准化,对电警、卡口、停车场出入口等场所进行包括车牌识别在内的车辆特征识别,把车辆相关结构化信息存入基础信息库。智能分析识别的车辆特征信息越来越丰富,通常包括有车牌、车牌颜色、车标、车身颜色、车型、车款等。配合业务需求,还能检测识别遮阳板、系安全带、司乘人员的人脸检测和抓拍、驾驶员打电话等细微信息。

基于这些车辆关键的特征信息,形成上亿条过车记录数据。也推动了后台大数据分析服务的发展应用,和行业数据挖掘,形成例如套牌车分析识别、高危车辆积分模型、车辆行驶轨迹分析,时空碰撞等实战技战法的应用。对车辆特征数据的大数据搜索,即可迅速找到所有符合条件的车辆信息,包括行驶时间与方向,行驶速度,车牌号码,车标,年款。结合以图搜图的检索方法,在公安实战平台上调取卡口视频和图像文件,快速查询到有关嫌疑车辆信息,还原车辆行驶的轨迹历史信息,而且可以实现嫌疑车辆在整个城市的全程运行轨迹查询,同时结合视频监控信息,实现车辆全程化得可视化轨迹回放,以及对涉事车辆的精确布控和查询。联合车管所车辆信息库,得到车辆和车主的信息、车辆活动信息、跟车信息等记录。

视频浓缩摘要

视频浓缩摘要是通过对视频录像的智能分析,将其中有运动目标部分视频截取下来,丢弃没有运动目标的片段,通过视频剪辑,形成一段段简短的浓缩摘要视频内容。视场景运动目标的分布有关,甚至于它可以将24小时内具有运动目标浓缩在短短十几分钟,甚至几分钟内的短片形式。

通过视频解码,提取目标的图像特征信息,先定义好事件规则,过滤掉大部分用户不关心的信息,保留行人、车辆或其他目标的活动细节。

图像增强与复原

图像增强与复原,是指通过图像处理算法,把模糊等恶化的图像通过增强工具进行清晰化处理。利用多种图像处理算法,例如对视频、图片的亮度、白平衡、去雾、去模糊等多种智能处理,帮助还原现场的车辆和行人的本来面目,帮助快速梳理和清晰化相关线索。

视频诊断

视频诊断是检测摄像机的图像画质异常,比如图像模糊,镜头虚焦,摄像机外罩脏,亮度、对比度、偏色、横条纹,雪花噪声等图像异常状态检测。随着监控设备的不断建设和扩容,像城市的眼睛一样的前端IPC摄像机故障的影响越来越大,对其的检测和维护也是必不可少。

面临的问题

尽管各行业对智能分析的需求旺盛,但在实际的应用中主要存在以下方面问题:

准确率受环境影响大

视频检测、识别和报警功能在关键的场合已能发挥作用,但无法广泛部署和规模的市场应 用。究其原因,视频图像分析算法仍然对环境敏感。环境中存在对智能分析算法的干扰因素较多,对智能分析的效果影响较大。例如,智能分析算法对环境中的光照变化敏感,针对不同角度复杂异常运动建模困难;目标与背景接近会导致目标检测和特征信息提取困难;运动目标被遮挡会造成目标信息缺失;目标移动速度过快或算法过于复杂导致跟踪的有效性较低。如果无法解决误警率、漏报率高,目标跟踪丢失等环境适应性的困难,市场仍将很难规模推广应用。

海量数据分析速度慢

面对海量的前端摄像机送回的视频、图片数据,虽然后端智能分析平台的性能不断提升,但目标检索速度仍然满足不了公安业务部门的要求。而为了提升检出率和降低误报率,算法复杂度也在不断提升,数据的分析,目标检索速度仍然有提升的需求空间。